Deeplearning4j LSTM示例

Question

我想了解Deeplearning4j上的LSTM。我正在检查示例的源代码，但我无法理解这一点。

 //Allocate space: 
    //Note the order here: 
    // dimension 0 = number of examples in minibatch 
    // dimension 1 = size of each vector (i.e., number of characters) 
    // dimension 2 = length of each time series/example 
    INDArray input = Nd4j.zeros(currMinibatchSize,validCharacters.length,exampleLength); 
    INDArray labels = Nd4j.zeros(currMinibatchSize,validCharacters.length,exampleLength); 

我们为什么要存储3D数组，这是什么意思？

Answer 1

好问题。但是这与LSTM的运作无关，但与任务本身有关。所以任务是预测下一个字符是什么。下一个角色的预测本身有两个方面：分类和近似。 如果我们只处理近似，我们只能处理一维数组。但是如果我们同时处理近似和分类，我们不能将神经网络仅仅归一化为字符的ascii表示。我们需要将每个字符转换为数组。

举例而言，（一个不是资本）会以这种方式来表示：

1,0,0,0,0,0,0,0,0,0,0,0,0,0 ，0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ，0,0,0,0,0,0,0,0,0,0,0

b（不是大写）将表示为： 0,1,0,0,0,0,0,0 ，0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ，0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 c将表示为：

0,0,1,0 ，0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ，0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0

Z（z capital !!!! ）

0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ，0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0 ，1

所以，每个字符给我们两个维度数组。所有这些维度是如何构建的？代码注释有如下解释：

// dimension 0 = number of examples in minibatch 
    // dimension 1 = size of each vector (i.e., number of characters) 
    // dimension 2 = length of each time series/example 

我想诚恳赞扬你理解LSTM是如何工作的努力，但你指出的代码给出例子是适用于各种神经网络，并说明如何处理文本神经网络中的数据，但没有解释LSTM如何工作。您需要查看源代码的另一部分。